| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织架构 | 第12-14页 |
| 第2章 微博热点发现相关理论与技术 | 第14-24页 |
| 2.1 微博概述 | 第14-15页 |
| 2.1.1 微博文本特点 | 第14-15页 |
| 2.1.2 微博挖掘方向 | 第15页 |
| 2.2 中文分词技术 | 第15-18页 |
| 2.2.1 中文分词技术分类 | 第15-16页 |
| 2.2.2 N-Gram模型 | 第16-18页 |
| 2.3 文本特征选择 | 第18-19页 |
| 2.3.1 TF-IDF算法 | 第18页 |
| 2.3.2 词共现模型 | 第18-19页 |
| 2.4 文本表示模型 | 第19-20页 |
| 2.5 文本聚类算法 | 第20-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于优化TF-IDF与词共现的微博热点话题发现 | 第24-40页 |
| 3.1 微博热点话题发现流程 | 第24-26页 |
| 3.2 微博筛选和微博排序 | 第26-27页 |
| 3.3 文本分词处理 | 第27-33页 |
| 3.3.1 文本预处理 | 第27页 |
| 3.3.2 新词发现规则的制定 | 第27-31页 |
| 3.3.3 基于规则和N-Gram模型发现新词 | 第31-32页 |
| 3.3.4 微博文本词集获取 | 第32-33页 |
| 3.4 主题词提取 | 第33-37页 |
| 3.4.1 TF-IDF算法优化 | 第33-34页 |
| 3.4.2 基于优化的TF-IDF和词共现模型提取主题词 | 第34-37页 |
| 3.5 微博话题热度值计算 | 第37-39页 |
| 3.5.1 热度值计算 | 第37-38页 |
| 3.5.2 基于热度值的微博热点话题发现 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 实验过程及结果分析 | 第40-51页 |
| 4.1 实验平台 | 第40页 |
| 4.2 实验效果评价指标 | 第40-41页 |
| 4.3 实验验证与分析 | 第41-50页 |
| 4.3.1 实验数据采集与预处理 | 第41-43页 |
| 4.3.2 实验过程与结果分析 | 第43-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51-52页 |
| 5.2 展望未来 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |